Buchumschlag

Bridging the Gap Between Climate Science and Machine Learning in Climate Model Emulation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schmidt, Luca, Effenberger, Nina
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Climate data selection for multi-decadal wind power forecasts
von: Morelli, Sofia, et al.
Veröffentlicht: (2024)

Spatiotemporal Forecasting in Climate Data Using EOFs and Machine Learning Models: A Case Study in Chile
von: Herrera, Mauricio, et al.
Veröffentlicht: (2025)

Global Climate Model Bias Correction Using Deep Learning
von: Pasula, Abhishek, et al.
Veröffentlicht: (2025)

Bridging CORDEX and CMIP6: Machine Learning Downscaling for Wind and Solar Energy Droughts in Central Europe
von: Effenberger, Nina, et al.
Veröffentlicht: (2025)

Spatial Heterogeneity in Climate Risk and Human Flourishing: An Exploration with Generative AI
von: Iacus, Stefano Maria, et al.
Veröffentlicht: (2026)

Fusing Climate Data Products using a Spatially Varying Autoencoder
von: Johnson, Jacob A., et al.
Veröffentlicht: (2024)

FaIRGP: A Bayesian Energy Balance Model for Surface Temperatures Emulation
von: Bouabid, Shahine, et al.
Veröffentlicht: (2023)

Modelling Species Distributions with Deep Learning to Predict Plant Extinction Risk and Assess Climate Change Impacts
von: Estopinan, Joaquim, et al.
Veröffentlicht: (2024)

DeepBridge: A Unified and Production-Ready Framework for Multi-Dimensional Machine Learning Validation
von: Haase, Gustavo Coelho, et al.
Veröffentlicht: (2025)

Validating Climate Models with Spherical Convolutional Wasserstein Distance
von: Garrett, Robert C., et al.
Veröffentlicht: (2024)

Long-Term Probabilistic Forecast of Vegetation Conditions Using Climate Attributes in the Four Corners Region
von: McPhillips, Erika, et al.
Veröffentlicht: (2026)

Bridging Performance Gaps for ECG Foundation Models: A Post-Training Strategy
von: Zhou, Ya, et al.
Veröffentlicht: (2025)

A Statistical Framework for Spatial Boundary Estimation and Change Detection: Application to the Sahel Sahara Climate Transition
von: Tivenan, Stephen, et al.
Veröffentlicht: (2025)

AI for Anticipatory Action: Moving Beyond Climate Forecasting
von: Huynh, Benjamin Q., et al.
Veröffentlicht: (2023)

Probabilistic Classification and Uncertainty Quantification of Sahara Desert Climate Using Feedforward Neural Networks
von: Tivenan, Stephen, et al.
Veröffentlicht: (2026)

Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning
von: Horat, Nina, et al.
Veröffentlicht: (2024)

Ensemble Machine Learning and Statistical Procedures for Dynamic Predictions of Time-to-Event Outcomes
von: van Gerwen, Nina, et al.
Veröffentlicht: (2026)

Quantifying Very Extreme Precipitation and Temperature Using Huge Ensembles Generated by Machine Learning-based Climate Model Emulators
von: Paciorek, Christopher J., et al.
Veröffentlicht: (2025)

Anticipatory Understanding of Resilient Agriculture to Climate
von: Willmes, David, et al.
Veröffentlicht: (2024)

Generative Unsupervised Downscaling of Climate Models via Domain Alignment: Application to Wind Fields
von: Keisler, Julie, et al.
Veröffentlicht: (2026)

SLEM: Machine Learning for Path Modeling and Causal Inference with Super Learner Equation Modeling
von: Vowels, Matthew J.
Veröffentlicht: (2023)

Age-Dependent Heterogeneity in the Association Between Physical Activity and Mental Distress: A Causal Machine Learning Analysis of 3.2 Million U.S. Adults
von: Shan, Yuan
Veröffentlicht: (2026)

Machine Learning Workflows in Climate Modeling: Design Patterns and Insights from Case Studies
von: Zheng, Tian, et al.
Veröffentlicht: (2025)

Towards Multilevel Modelling of Train Passing Events on the Staffordshire Bridge
von: Bull, Lawrence A., et al.
Veröffentlicht: (2024)

Analyzing the Impact of Climate Change With Major Emphasis on Pollution: A Comparative Study of ML and Statistical Models in Time Series Data
von: Mishra, Anurag, et al.
Veröffentlicht: (2024)

Model-Agnostic Interpretation Framework in Machine Learning: A Comparative Study in NBA Sports
von: Liu, Shun
Veröffentlicht: (2024)

Bayesian Hybrid Machine Learning of Gallstone Risk
von: Chakraborty, Chitradipa, et al.
Veröffentlicht: (2025)

Uncertainty in wind and solar projections depends on global and regional climate models
von: Effenberger, Nina, et al.
Veröffentlicht: (2026)

Predicting VBAC Outcomes from U.S. Natality Data using Deep and Classical Machine Learning Models
von: Anand, Ananya
Veröffentlicht: (2025)

Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning
von: Li, Mingyang, et al.
Veröffentlicht: (2024)

Monitoring Machine Learning Forecasts for Platform Data Streams
von: Rombouts, Jeroen, et al.
Veröffentlicht: (2024)

bioLeak: Leakage-Aware Modeling and Diagnostics for Machine Learning in R
von: Korkmaz, Selçuk
Veröffentlicht: (2026)

Causal Feature Learning in the Social Sciences
von: Huang, Jingzhou, et al.
Veröffentlicht: (2025)

Classification of Epileptic iEEG using Topological Machine Learning
von: Tanweer, Sunia, et al.
Veröffentlicht: (2026)

Diagnostics for Individual-Level Prediction Instability in Machine Learning for Healthcare
von: Miller, Elizabeth W., et al.
Veröffentlicht: (2026)

Predicting Air Pollution in Cork, Ireland Using Machine Learning
von: Rashidunnabi, Md, et al.
Veröffentlicht: (2025)

Predicting House Rental Prices in Ghana Using Machine Learning
von: Adzanoukpe, Philip
Veröffentlicht: (2025)

Federated Learning for Financial Forecasting
von: Noseda, Manuel, et al.
Veröffentlicht: (2025)

Data Curation for Machine Learning Interatomic Potentials by Determinantal Point Processes
von: Zou, Joanna, et al.
Veröffentlicht: (2026)

Applications of Machine Learning in Pharmacogenomics: Clustering Plasma Concentration-Time Curves
von: Lautier, Jackson P., et al.
Veröffentlicht: (2022)